머신러닝 vs 딥러닝 vs 인공지능

0. 인공지능(A.I.)

• A.I는 2개로 나눌 수 있다. Narrow A.I, General A.I
• 보통 할리우드 영화나 넷플릭스에서 나오는 A.I는 general A.I를 뜻한다.
• general A.I는 인간이 하는 행동을 할 수 있고, 혹은 인간보다 더 뛰어난 능력을 가지고 있다.
• 대화를 나눌 수 있고 게임을 할 수 있고 판단을 할 수 있고 인간과 같은 것이다.
• 하지만 현실에서는 또 현재 산업에서는 narrow A.I를 다루고 있다.
• narrow A.I는 단 한개만 할 줄 알고, 그것만 잘한다.
• 집중하는 범위가 좁은 것(narrow)이다.
• narrow A.I의 예시로는 페이스북의 얼굴 인식 기능이 있다.
• 하지만 그 뿐이다. narrow A.I 이므로 딱 한개만 잘 할 수 있다.

---

1. 머신러닝

• 이때 머신러닝이 등장한다. 머신러닝은 A.I를 달성하기 위한 수단이다.
• 그렇다면 기계들은 어떻게 학습할까?
• 여러가지 방법이 있지만 유명한 2가지가 있다.
• Unsupervised Learning 과 Supervised Learning 이다.
• 예를 들어, 핫도그인지 아닌지 구분하는 앱을 개발한다고 해보자.
• 만약 이것을 Supervised 방법으로 진행한다면 무엇이 핫도그인지 라벨을 만들어서 붙인다. 핫도그에는 소시지가 있다. 핫도그는 길쭉하다. 핫도그 위에는 소스가 뿌려져있다. 핫도그는 빵 사이에 끼어진 형태이다. 이런것들이 라벨이다.
• 이렇게 기계에게 핫도그가 무엇인지 학습시키는 것이다.
• 그 다음 수만개의 음식 사진을 기계에게 주면 등록한 라벨을 토대로, 기계는 판단한다. 
• 기계가 자율적으로 판단을 하는것이 아니고, 확률을 토대로 이야기 하는 것이다.
• 수학, 통계를 토대로 확률적으로 95% 정도이다. 이런식으로 판단한다.
• 비슷한 예시로는 음악 추천 시스템이 있다. 사용자가 좋아하는 음악들을 골라서 모아놓는다.
• 기계에서 내가 좋아하는 아티스트는 누구고, 어떤 리듬을 좋아한다. 를 수집한다. 덕분에 기계는 라벨이 붙은 데이터를 토대로 결정할 수 있다. 
• 이것이 인간이 데이터를 분류하는 sueprvised learning이다.
• 반대로 unsupervised learning에서는 인간은 데이터를 분류하지 않는다.
• 핫도그 예시를 다시 들어보면, 수만개의 핫도그 사진을 기계에게 준다. 대신 라벨이나 설명은 없다. 기계로 하여금 스스로 무엇이 핫도그인지 알아차리게끔 하는 것이다.
• 기계는 스스로 엄청난 프로세싱 파워와 데이터를 토대로, 무엇이 핫도그인지 학습할 것이다.

---

2. 딥러닝

• 딥러닝은 머신러닝을 달성하기 위한 방법이다.
• 딥러닝이라고 불리우는 이유는, 'neural network'를 이용하기 때문이다.
• 우리의 '뇌'처럼 작동하는 알고리즘이다.
• 이걸 학습시키려면 아주 많은 데이터가 필요하고, 프로세싱파워가 많이 필요하다.

---

3. 결론

• 딥러닝은 머신러닝을 위해 필요하고, 머신러닝은 A.I를 달성하기 위해 필요하다.
• 딥러닝은 구글, 테슬라 같은 기업들이 많이 활용하고 있다.(자본이 많음)
• 자본이 없는 사람들은 어떻게 머신러닝, 딥러닝을 배울 수 있을까?
• 머신러닝을 하려면 파이썬을 알아야 한다.
• 다행히 우리가 혼자 뉴론 네트워크를 개발하지 않아도 된다.
• A.I를 위한 가장 유명한 프레임워크가 '텐서플로우'이다.
• 텐서플로우는 자바스크립트와 파이썬으로 되어있다.